Competències i objectius

 

Context de l'assignatura per al curs 2025-26

Este curso ofrece una doble introducción a los métodos clásicos de aprendizaje automático y análisis de datos de texto, ambos centrados en aplicaciones económicas. La primera parte del curso cubre técnicas de aprendizaje supervisado y no supervisado, incluyendo métodos de regularización para regresión y clasificación, árboles de decisión, aprendizaje ensemble, clustering y reducción de dimensionalidad, entre otros. Se hace hincapié en la evaluación de modelos, las estrategias de validación y la aplicación práctica de estos algoritmos para responder a preguntas empíricas en economía. Los estudiantes también aprenden a distinguir entre los enfoques de modelización predictiva y causal, y cómo los métodos descriptivos, predictivos y prescriptivos pueden servir a diferentes objetivos analíticos.
La segunda parte del curso introduce técnicas básicas de minería de textos y procesamiento del lenguaje natural. Abarca la adquisición, limpieza y estructuración de datos textuales, incluidas las fuentes multilingües y heterogéneas, y la aplicación de métodos de aprendizaje automático a tareas como la clasificación, el modelado de temas y el análisis de sentimientos. Las aplicaciones se centran en el aprovechamiento de la información textual para extraer conocimientos económicos y fundamentar la toma de decisiones. Se utiliza Python como principal entorno de programación para la aplicación práctica.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2025-26

Habilitats/Destreses

  • RA05 : Comprise how have resolved the technical problems with which have had to confront the authors of the articles of investigation and be able to retort the empirical analysis and experiments of simulation in that they base the articles of investigation.
  • RA12 : Utilitzar tècniques de visualització, mineria de dades i mineria de textos
  • RA13 : Saber aplicar tècniques de ciència de dades a problemes econòmics reals, tant per a investigació com per a la presa de decisions

 

Capacitats/Competències

  • RA02 : Conéixer en profunditat i aplicar mètodes d'anàlisi descriptiva, causal i predictiu aplicats a l'economia
  • RA04 : Plantejar problemes econòmics rellevants de manera precisa, i donar resposta adequada a aquests problemes #secundar en anàlisis teòriques, empírics o de simulació.
  • RA09 : Comprendre i dominar els conceptes fonamentals de lògica, algorítmica i complexitat computacional, i la seua aplicació per a la resolució de problemes.
  • RA14 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb l'Economia i la ciència de dades
  • RA15 : Conéixer i manejar tecnologies, algorismes i eines d'aprenentatge automàtic (tant supervisat com no supervisat)

 

 

 

Resultats d'aprenentatge (Objectius formatius)

 

Conéixer en profunditat i manejar tecnologies d'aprenentatge automàtic (machine learning), algorismes, i eines (inclòs l'aprenentatge supervisat i no supervisat).
Dissenyar i utilitzar mètriques i tècniques per a la validació i comparació d'algorismes d'aprenentatge automàtic.
Conéixer en profunditat i aplicar mètodes d'anàlisi descriptiva, predictiu i prescriptiu, distingint adequadament les dues cultures de modelització estadística (predicció enfront de causalitat)
Conéixer les principals tècniques de processament del llenguatge natural per a l'anàlisi automàtica de textos i la seua utilitat en tasques de mineria de textos.
Conéixer els aspectes específics de l'aplicació de tècniques supervisades i no supervisades a l'anàlisi automàtica de textos.
Saber aplicar a textos concrets diferents models de recuperació d'informació, categorització i agrupació (clustering) de documents, extracció d'informació, mineria d'opinions i sentiments, mineria de textos plurilingües i altres possibles aplicacions de la mineria de textos en Economia.
  • Conéixer en profunditat i manejar tecnologies d'aprenentatge automàtic (machine learning), algorismes, i eines (inclòs l'aprenentatge supervisat i no supervisat).
  • Dissenyar i utilitzar mètriques i tècniques per a la validació i comparació d'algorismes d'aprenentatge automàtic.
  • Conéixer en profunditat i aplicar mètodes d'anàlisi descriptiva, predictiu i prescriptiu, distingint adequadament les dues cultures de modelització estadística (predicció enfront de causalitat)
  • Conéixer les principals tècniques de processament del llenguatge natural per a l'anàlisi automàtica de textos i la seua utilitat en tasques de mineria de textos.
  • Conéixer els aspectes específics de l'aplicació de tècniques supervisades i no supervisades a l'anàlisi automàtica de textos.
  • Saber aplicar a textos concrets diferents models de recuperació d'informació, categorització i agrupació (clustering) de documents, extracció d'informació, mineria d'opinions i sentiments, mineria de textos plurilingües i altres possibles aplicacions de la mineria de textos en Economia.

 

 

 

Objectius específics indicats pel professorat per al curs 2025-26

  • Conocer en profundidad y manejar tecnologías de aprendizaje automático (machine learning), algoritmos, y herramientas (incluido el aprendizaje supervisado y no supervisado).
  • Diseñar y utilizar métricas y técnicas para la validación y comparación de algoritmos de aprendizaje automático.
  • Conocer en profundidad y aplicar métodos de análisis descriptivo, predictivo y prescriptivo, distinguiendo adecuadamente las dos culturas de modelización estadística (predicción frente a causalidad)
  • Conocer las principales técnicas de procesamiento del lenguaje natural para el análisis automático de textos y su utilidad en tareas de minería de textos.
  • Conocer los aspectos específicos de la aplicación de técnicas supervisadas y no supervisadas al análisis automático de textos.
  • Saber aplicar a textos concretos diferentes modelos de recuperación de información, categorización y agrupación (clustering) de documentos, extracción de información, minería de opiniones y sentimientos, minería de textos plurilingües y otras posibles aplicaciones de la minería de textos en Economía.

 

 

Dades generals

Codi: 49167
Professor/a responsable:
Martínez Martín, Ester
Crèdits ECTS: 3,00
Crèdits teòrics: 0,20
Crèdits pràctics: 1,00
Càrrega no presencial: 1,80

Departaments amb docència

  • Dep.: Llenguatges i Sistemes Informàtics
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 0,08
    Crèdits pràctics: 0,32
  • Dep.: Ciència de la Computació i Intel·ligència Artificial
    Àrea: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
    Crèdits teòrics: 0,12
    Crèdits pràctics: 0,68
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix